英文文档

功能

1. 人脸检测、识别（图片、视频）
2. 轮廓标识
3. 头像合成（给人戴帽子）
4. 数字化妆（画口红、眉毛、眼睛等）
5. 性别识别
6. 表情识别（生气、厌恶、恐惧、开心、难过、惊喜、平静等七种情绪）
7. 视频对象提取
8. 图片修复（可用于水印去除）
9. 图片自动上色
10. 眼动追踪（待完善）
11. 换脸（待完善）

查看功能预览↓↓↓

开发环境

• Windows 10（x64）
• Python 3.6.4
• OpenCV 3.4.1
• Dlib 19.8.1
• face_recognition 1.2.2
• keras 2.1.6
• tensorflow 1.8.0
• Tesseract OCR 4.0.0-beta.1

教程

OpenCV环境搭建

Tesseract OCR文字识别

图片人脸检测（OpenCV版）

图片人脸检测（Dlib版）

视频人脸检测（OpenCV版）

视频人脸检测（Dlib版）

脸部轮廓绘制

数字化妆

视频人脸识别

头像特效合成

性别识别

表情识别

视频对象提取

图片修复

其他教程

Ubuntu apt-get和pip源更换

pip/pip3更换国内源——Windows版

OpenCV添加中文

使用鼠标绘图——OpenCV

功能预览

绘制脸部轮廓

---

人脸68个关键点标识

---

头像特效合成

---

性别识别

---

表情识别

---

数字化妆

---

视频人脸检测

---

视频人脸识别

---

视频人脸识别

---

图片修复

---

图片自动上色

---

技术方案

技术实现方案介绍

人脸识别：OpenCV / Dlib

人脸检测：face_recognition

性别识别：keras + tensorflow

文字识别：Tesseract OCR

TODO

换脸——待完善

眼睛移动方向检测——待完善

Dlib性能优化方案

Dlib模型训练方法

Tesseract模型训练方法

贡献者名单（特别感谢）

archersmind rishab-sharma

微信打赏

FaceAI 快速上手指南

FaceAI 是一个基于 Python 的开源人脸识别与图像处理工具库，支持人脸检测、识别、性别/表情分析、数字化妆、图片修复及自动上色等多种功能。

1. 环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统: Windows 10 (x64) 或 Linux (Ubuntu 推荐)
• Python 版本: 3.6.4 (建议 3.6 - 3.8 之间)
• 核心依赖:
  • OpenCV 3.4.1+
  • Dlib 19.8.1+
  • face_recognition 1.2.2+
  • Keras 2.1.6 + TensorFlow 1.8.0
  • Tesseract OCR 4.0.0-beta.1+

注意：部分功能（如性别识别、表情识别）依赖较旧版本的 TensorFlow (1.x)，若需使用最新特性请注意版本兼容性。

2. 安装步骤

第一步：配置国内镜像源（推荐）

为了加速依赖包下载，建议先将 pip 源更换为国内镜像（如清华源）。

Windows 用户：

pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

Linux/Mac 用户：

pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

第二步：安装系统级依赖

Windows 用户： 请下载并安装 Tesseract OCR (版本 4.0.0-beta.1 或兼容版)，并将其添加到系统环境变量 PATH 中。

Ubuntu 用户：

sudo apt-get update
sudo apt-get install -y cmake build-essential libgtk-3-dev libboost-all-dev tesseract-ocr libtesseract-dev

第三步：安装 Python 依赖库

克隆项目代码并安装所需库：

git clone https://github.com/vipstone/faceai.git
cd faceai

# 安装核心依赖
pip install opencv-python==3.4.1.15 dlib==19.8.1 face_recognition==1.2.2
pip install keras==2.1.6 tensorflow==1.8.0
pip install pytesseract pillow numpy

提示：如果 dlib 编译失败，请确保已安装 C++ 编译环境（Windows 下需安装 Visual Studio Build Tools）。

3. 基本使用

以下是最基础的人脸检测与轮廓绘制示例。

示例：图片人脸检测与轮廓绘制

创建一个名为 demo.py 的文件，输入以下代码：

import cv2
import face_recognition

# 1. 加载图片
image_path = "test.jpg"  # 请替换为你的图片路径
image = face_recognition.load_image_file(image_path)

# 2. 查找人脸位置
face_locations = face_recognition.face_locations(image)

# 3. 转换为 BGR 格式以便 OpenCV 显示
image_bgr = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)

# 4. 绘制矩形框
for (top, right, bottom, left) in face_locations:
    cv2.rectangle(image_bgr, (left, top), (right, bottom), (0, 255, 0), 2)
    print(f"发现人脸：顶部={top}, 右侧={right}, 底部={bottom}, 左侧={left}")

# 5. 显示结果
cv2.imshow("Face Detection", image_bgr)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行其他功能

项目 doc 目录下提供了详细的功能教程脚本，您可以直接运行对应的示例文件来体验更多功能：

• 性别识别: 参考 doc/gender.md 相关脚本
• 表情识别: 参考 doc/emotion.md 相关脚本
• 数字化妆: 参考 doc/faceRecognitionMakeup.md 相关脚本
• 视频处理: 将上述代码中的图片加载逻辑替换为 cv2.VideoCapture 即可处理视频流。

---

更多高级功能（如图片修复、自动上色、对象提取）请参考项目仓库中的 doc 目录详细文档。